用于方面级情感分类的交互式注意力网络
人工智能
2017-09-05 v1 计算与语言
摘要
方面级情感分类旨在识别特定目标在其上下文中的情感极性。先前的方法已经认识到目标在情感分类中的重要性，并开发了各种方法，旨在通过生成特定目标的表示来精确建模其上下文。然而，这些研究总是忽略了对目标的单独建模。在本文中，我们认为目标和上下文都值得特殊处理，需要通过交互学习来学习它们各自的表示。为此，我们提出了交互式注意力网络 (IAN)，以交互方式学习上下文和目标中的注意力，并分别生成目标和上下文的表示。通过这种设计，IAN 模型可以很好地表示目标及其搭配上下文，这有助于情感分类。在 SemEval 2014 数据集上的实验结果证明了我们模型的有效性。
引用
@article{arxiv.1709.00893,
title = {Interactive Attention Networks for Aspect-Level Sentiment Classification},
author = {Dehong Ma and Sujian Li and Xiaodong Zhang and Houfeng Wang},
journal= {arXiv preprint arXiv:1709.00893},
year = {2017}
}
备注
Accepted by IJCAI 2017